提出CoxKAN，结合Kolmogorov-Arnold网络实现可解释高性能生存分析，验证多数据集。
William Knottenbelt, William McGough, Rebecca Wray 等
本研究评估LLMs生成科研新意的能力，发现其新颖性优于专家（p<0.05），但在可行性方面略弱。
Chenglei Si, Diyi Yang, Tatsunori Hashimoto
提出统一框架结合张量分解与自动秩搜索，显著压缩预训练神经网络。
Ali Aghababaei-Harandi, Massih-Reza Amini
视觉提示在多模态大语言模型中的应用：提升视觉理解和推理能力。
Junda Wu, Zhehao Zhang, Yu Xia 等
xLAM系列模型在Berkeley功能调用排行榜中超越GPT-4，提升AI代理任务性能。
Jianguo Zhang, Tian Lan, Ming Zhu 等
RoboTwin利用生成式数字孪生和大语言模型，提升双臂机器人任务数据多样性与评估效率。
Yao Mu, Tianxing Chen, Shijia Peng 等
揭示MDMs本质为时间无关的掩码模型，提出高效第一击采样，质疑其优越性。
Kaiwen Zheng, Yongxin Chen, Hanzi Mao 等
提出MMMU-Pro，通过过滤、扩展选项和视觉输入挑战模型，性能下降16.8%-26.9%，提升评估严谨性。
Xiang Yue, Tianyu Zheng, Yuansheng Ni 等
提出Sorbet，结合PTsoftmax与BSPN实现硬件兼容的变换器型脉冲神经网络语言模型，能节能27倍。
Kaiwen Tang, Zhanglu Yan, Weng-Fai Wong
比较梯度优化方法（如牛顿法、BFGS等）在多维表面可视化与起点敏感性上的表现。
Saeed Asadi, Sonia Gharibzadeh, Hajar Kazemi Naeini 等
提出MSQA数据集，结合3D场景图和多模态输入，提升场景理解能力。
Xiongkun Linghu, Jiangyong Huang, Xuesong Niu 等
OLMoE使用稀疏专家混合模型，7亿参数中仅1亿被激活，性能超越更大模型。
Niklas Muennighoff, Luca Soldaini, Dirk Groeneveld 等
ViewCrafter结合点云与视频扩散模型，实现单/稀疏图像高保真新视角合成。
Wangbo Yu, Jinbo Xing, Li Yuan 等
采用参数高效的prompt调优结合流匹配实现机器人多任务操作，提升稳定性和效率。
Fan Zhang, Michael Gienger
提出一种算法识别并分析并发系统中的吸引盆地，使用安全Petri网框架。
Giann Karlo Aguirre Samboni, Stefan Haar, Loic Paulevé 等
ToolACE通过自我演化合成26,507个API，提升LLM函数调用能力，参数仅8B模型即达SOTA。
Weiwen Liu, Xu Huang, Xingshan Zeng 等
MMT-BERT结合多轨音乐Transformer和MusicBERT，实现和弦感知的符号音乐生成，提升99.73%的PCES。
Jinlong Zhu, Keigo Sakurai, Ren Togo 等
提出基于纳什社会福利的公平互惠推荐算法，有效平衡匹配数与机会公平。
Yoji Tomita, Tomohiki Yokoyama
TinyAgent利用LLMCompiler和高质量数据集，训练出边缘部署的1.1B和7B模型，超越GPT-4-Turbo的函数调用能力。
Lutfi Eren Erdogan, Nicholas Lee, Siddharth Jha 等
PALO利用VLM进行任务分解，实现少样本快速适应长远机器人操控任务。
Vivek Myers, Bill Chunyuan Zheng, Oier Mees 等